@Annoniem, gisteren 09:03 uur.
Door Anoniem: Door Anoniem: Je laat duidelijk doorschemeren dat het u te doen is, niet zozeer om zuivere duiding maar om duidelijke plaatjes van grafieken.
Grappig dat je niet ingaat op het feit dat het RIVM gewoon cijfers per dag publiceert, terwijl ik reageerde op:
Nu rekent het Rivm volgens mij met 5 daagse gemiddelden, dus zou je hoogstens - mits checks en balances doorlopen - 5 daagse lijntje kunnen tekenen.
Ik wees erop dat RIVM gewoon cijfers
per dag heeft en publiceert, zodat je de beperking die je noemde helemaal niet hebt.
Het is inderdaad bewust dat ik niet nog verder inga op dat Rivm de cijfers per dag rubriceert. Je slaat namelijk niet alle handreikingen er op na.
Wat is wel pure informatie en wat telt men bij het Rivm niet over 1 dag?
Dat heb je niet helemaal meegrekegen. Dus nu even algemeen wat je wel/niet kunt stellen over wat het Rivm zelf meldt.
Alvast de vraag na het volgende of je dezelfde informatie daadwerkelijk nog op andere wijze moet kunnen intrepeteren en of je dan met de huidige beschikbare informatie zelf hebt vastgesteld of het pure oorspronkelijke of berekende getallen zijn waar je je op wil baseren.
1)
Een databestand met de cumulatieve aantallen per gemeente per dag van gemelde COVID-19 patiënten
2)
GGD meldingsdatum
N.b. is niet dezelfde betekenis als een besmetting datum.
3)
Datum van overlijden
4)
Kaarten met COVID-19 meldingen per gemeente in de afgelopen twee weken
-
Iedere dinsdag wordt de kleurindeling van de kaart aangepast zodat het contrast tussen gemeenten duidelijker weergegeven wordt.
5)
Getest ihkv BCO. Voor deze personen is geregistreerd dat zij getest zijn in het kader van bron- en contactonderzoek (BCO). Het werkelijk aantal geteste personen vanwege BCO is waarschijnlijk hoger.
6)
Figuur 18: Percentage positieve testen per doelgroep en per kalenderweek vanaf 1 juni.
7)
Op basis van informatie over de incubatietijd en de gerapporteerde tijd tussen de eerste ziektedagen van geïnfecteerde en besmetter, kunnen we veronderstellen dat een besmet persoon van twee dagen vóór de eerste
symptomen tot vier tot acht dagen na de eerste symptomen besmettelijk is.
8)
Het geschatte aantal besmettelijke personen voor Nederland. Het figuur geeft het aantal besmettelijke personen op basis van het aantal ziekenhuisopnames gerapporteerd door stichting NICE
Door de tijdsduur tussen eerste ziektedag en rapportagevertraging, kunnen we betrouwbare schattingen maken van het aantal besmettelijken langer dan 7 dagen geleden
N.b. hier menen ze uit te kunnen gaan van 95% betrouwbaarheid. De ontbrekende 5% tikt bij bijvoorbeeld 400 ziekenhuis opnames ook door m.b.t. het aantal personen dat eventueel een ander zou kunnen gaan besmetten. Medisch is de schatting waar ze hier op afgaan trouwens enigzins kwestieus. Door allerlei logistieke factoren kan de tijdsduur tussen eerste ziektedag en rapportagevertraging sowieso al varieren. Daardoor weet je gewoon niet hoe steekhoudend een berekenwijze is. Leuk als er een herhalend of zichzelf bevestigend patroon naar voren komt, maar dat zegt dus door de variabelen die met elkaar in werking zijn weinig.
......Voor schattingen in de recentste 7 dagen is de betrouwbaarheid niet groot, en voor deze periode wordt de meest
aannemelijke waarde weggelaten
9)
personen die getest zijn op SARS-CoV-2 waarbij de testuitslag positief was, gemeld door de virologische laboratoria
N.b. je zit loopt hier ook weer aan tegen het feit dat je voor alle testen niet per test precies weet wat incubatie tijd was. Daardoor is een datum van vermeende besmetting in elk geval met een marge van meerdere dagen.
10)
Figuur 41: Aantal nieuwe verdachte en bewezen COVID-19 patiënten per dag op Nederlandse1
intensive care afdelingen.
Je ziet dus dat een ziekenhuis datum in- en verlaten wel met een behoorlijk harde datum kan worden aangegeven.
Een datum waarop een uitslag wordt gemeld ook per dag wordt getotaliseerd, maar dat de datum van besmetting zelf door het geheel aan factoren en de veranderlijkheid van geval tot geval dus gewoon niet exact te bepalen valt.
En het aantal mensen dat niet in de ziekenhuizen belandt maar wel positief wordt getest is gewoon een enorm deel.
Omdat virus verspreidingen van geval tot geval dus a-symetrisch (onevenredig) verloopt werkt het missen van positieve uitslagen (ongeacht de exacte datum of niet) sowieso onevenredig sterk door.
Daarom kan je NIET stellen dat je op basis van gemiddelden van een paar dagen verhalen aan het brengen bent die representief zijn voor de WERKELIJKHEID. Je kan alleen zeggen dat die aannames uitdrukken die in de berekeningen zijn geformuleerd en dat je vervolgens met de getallen die je er in stopt een bevestiging krijgt dat je aannames hebt gedaan.
Maar dus niet dat die aannames de WERKELIJKHEID uitdrukken.
Door met lopende gemiddelden, weektotalen etc. te werken ontkent men niet het bestaan van de fluctuaties maar scheidt men de grotere beweging, de trend, van periodieke signalen en ruis.
Je onderkent met deze redenatie niet dat datgeen wat je niet weet en misloopt in je test trajecten je gemiddeldes bij voorbaat niet-representatief maken. Lees NIET TER ZAKEN DOENDE.
Die scheiding staat een zuivere duiding niet in de weg, die helpt juist te begrijpen wat de cijferreeksen aan informatie bevatten. De grafieken dienen om de informatie voor mensen beter verwerkbaar te maken.
ONWERKELIJKE informatie die niet de werkelijkheid weergeeft gaat mensen geen beter plaatje bieden.
Alleen misrepresentaties in geval van virus verspreidingen.
De zuivere duiding en de duidelijke plaatjes staan niet tegenover elkaar, de duidelijke plaatjes zijn een hulpmiddel om tot die zuivere duiding te komen. Dat is precies waar ze toe dienen. En als het alleen mij daarom te doen was zouden grafieken niet al ver voor mijn geboorte zijn uitgevonden en gebruikt. Zoals je zelf best weet, gezien deze opmerking:
De opkomst van gebruik van grafieken is met name gestegen met opkomst van meer Wetenschappelijk Onderzoekers.
Snap je wel waar je het over hebt? Het gaat over sets van positieve test uitslagen die grotendeels GEEN samenhang met elkaar hebben en slechts een beperkt aantal een grillig en steeds willekeurig andere samenhang.
Die afwijking van variatie is de dominante factor hetgeen bij virus verspreidingen betekent dat je meer NIET afvangt met je plaatjes dan wel. Komt het ergens bekend voor als een medisch vakvreemde minister roept - in overmacht - ik heb slechts 50% van de informatie en de andere 50% heb ik niet? De oorzaak ligt mede in het bovenstaande.
Je snapt het zelf duidelijk niet. Medici spreken pas van symptomen indien er sprake is van een realistische mogelijkheid van ziekte of aandoening(lichamelijk, geestelijk) zijn. Klachten zijn voor medici niet zondermeer - zonder nadere beschouwing - ook meteen symptomen.
Als dat zo is had ik beter klachten kunnen schrijven in plaats van symptomen. Maar als ik zoek naar definities van symptoom lijkt het wel degelijk ook te om dingen te gaan die de patiënt waarneemt, zoals misselijkheid of een kriebelhoest, die medici kunnen gebruiken om een diagnose te stellen. Ik had het natuurlijk over klachten die mogelijk verband kunnen houden met covid-19. Ik zie niet hoe dat in strijd is met die definities, maar ik wil best verder het woord klachten gebruiken als dat beter is.
Klachten is inderdaad de juiste term.
Het punt is dus dat je niet zomaar ongezien kan stellen dat iedereen met klachten of kwaaltjes ook covid-19 gerelateerd is.
Dat beweerde ik ook helemaal niet. Ik beweerde dat mensen die covid-19-achtige klachten ontwikkelen een reden hebben om naar de teststraat of naar de dokter te gaan. Dat is afhankelijk van de klachten, en het beeld klopt niet dat een groeiende populatie van gemiste gevallen ongemerkt door kan blijven groeien.
In elk geval kan een behoorlijk deel van de gemiste gevallen wel degelijk onopgemerkt blijven.
Daarbij spreken ze in elk geval in de denkwereld van het Rivm/OMT ook wel over a-sympotomatische mensen.
Mensen zonder verschijnselen en/of klachten. Je zou volgens die gedachte in elk geval positief kunnen testen zonder dat je vooraf bij jezelf dacht dat je positief was. Zo omschreef Jaap van Dissel het ongeveer.
Verder zijn er dus volgens de toelichting in de Rivm rapporten ook nog een aandeel positiief getesten die uberhaupt niet in de rapporten terugkomen.
Dan heb je nog een deel dat positief zou kunnen testen maar pas na een 2e of 3e afgenomen test pas een positieve uitslag blijk te krijgen. Niet iedereen hoeft even volhardend te zijn.
Dan heb je nog een deel dat positief zou kunnen testen maar nogal wat weken aanvankelijk niet terecht kon.
Daardoor mis je over veel weken ook al een heel cohort aan mensen die anders positief zouden testen.
Dan heb je nog een deel dat positief zou testen maar door de opzet van de PCR-methode "per afgenomen test onterecht" niet positief test.
Daardoor is het onbekend hoeveel mensen je na meerdere testen op een dag onbedoeld niet positief hebt getest.
Allemaal onopgemerkte gevallen.
Het 20% kans op missen zou - bij constistente uitvoering van de PCR-methode - evenredig 1 op elke 5 afgenomen testen kunnen betekenen.
Bij de uitvoering van de PCR-methode blijken er allerlei geinduceerde variaties te kunnen optreden waardoor op basis van de aangereikte vakkennis (door de experts zelf) moet beseffen dat de uitslagen van de PCR-methode dus onevenredig verschillen.
Zou je even gemakshalve doen alsof de 20% toch evenredig van toepassing is dan kom je dus over de periode van week 23 t/m 48 op 858.381 gemiste positieve trail-uitslagen.
Zou je nauwkeuriger en niet vertekenend de effecten ervan doorrekenen dan is dat in principe veel lastiger schatten.
Je moet dan onder andere onderkennen dat de grilligheid in variaties van test op test en van mens tot mens van nature sterke variaties vertoond. Dat maakt dat het al direct vanaf de eerste weken van de covid-19 verspreiding lastig appels schillen is over hoeveel positieve uitslagen je in werkelijkheid hebt misgelopen.
Zou je dat voor de periode van week 23 t/m 48 (een soort in onbekende bandbreedte bestendiging fase) proberen te doen dan zou je vanuit scenario's van virus verspreiding met een ondergrens en bovengrenzen kunnen gaan rekenen.
Met scenario's voor een uniek verloop van een grote gebeurtenis weet je echter standaard niet hoeveel je er met je verwachtingen ernaast zit - aldus hoogleraar Lex Hoogduin. Dat moet je hier dus bij in je achterhoofd houden.
Je gaat dus een schatting doen over het aantal gemiste testen dat je schat dat er in werkelijkheid nodig was.
De ondergrens zou je bijvoorbeeld kunnen kiezen op basis van een scenario waarbij het virus met een bepaalde(strakker afgebakende marge) harder rond dan wat op basis van testen bevestigd is.
De bovengrens zou je bijvoorbeeld kunnen kiezen op basis van een scenario waarbij de gemiste positieven elkaar sneller zouden herbesmetten dan degenen die je via de testen wel in beeld hebt gekregen.
Als je zoiets grootschalig doet moet je er echter wel met een preciezer plan uitwerken waarom en waarvoor je welke ondergrens en bovengrens voor gemiste positieven kiest.
We hebben het hier niet over een 1 op 1000 mensen die het Rivm erkent te missen door de PCR-methode maar een veelvoud grotere fractie dan 1 op 10.
Zonder dat die aantallen gemisten voor de volksgezondheid dus catastrofaal hoeven te zijn kan het wel essentiele informatie zijn waardoor je een heel ander beeld van de mate van viruelentie ernaast moet houden dan dat nu in de media nu gebeurt.
Het potentieel aan gemiste test-positieven drukt dus puur de ruimte uit die er is aan mensen die al dragers van covid-19 virus deeltjes kan zijn, maar nog niet per sé positief getest hoeft te zijn!
Je mist dat een deel van die mensen klachten ontwikkelt, zich laat testen en dan alsnog zichtbaar wordt.
Van het aantal mensen met / zonder klachten mis je er per definitie meer naarmate je elke dag veel testen afneemt.
Op een gegeven moment heb je zo'n grote ruimte met dragers van covid-19 deeltjes dat het Rivm / ministerie / media adagium minder positieve test-uitslagen is beter het enige is dat opgaat / kan opgaan.
Gezien de onnauwkeurigheden in de test- en traceer trajecten is het belangrijkste te kijken of er langdurig relatief weinig mensen in ziekenhuizen terecht komen en dan eventueel daarna naar de IC moeten en eventueel de fractie daar weer van eventueel overleid of levend het ziekenhuis verlaat. Dat laatste nam de laatste weken overigens nog altijd sterk toe.
De slagkracht van het virus kan zonder "erg" dus groot zijn en dan hebben we niet meteen een accute uitdaging voor de kerst, in tegenstelling tot wat nu gesuggereerd werd.
Je mist ook dat een kleiner deel van die mensen ziek genoeg wordt om medische hulp nodig te hebben en langs die weg zichtbaar wordt. Op basis van deze, en alle andere gegevens die over de epidemie verzameld worden, maken de modelleurs van RIVM een schatting van het aantal mensen in Nederland dat besmettelijk is. Een grafiek ervan staat op het coronadashboard van de Rijksoverheid.
Dat kleinere deel komt op een onbepaald moment mogelijkerwijs in beeld. Dit zijn dus schattingen. Daarvoor zijn de eerdere kanttekeningen onverkort op van toepassing.
Maar voor het overige krijgt een groot deel van de gemiste positieve mensen helemaal niet per se ernstige klachten.
Op voorhand kan je dus niets zeggen over de betrouwbaarheid van je schatting.
Het daadwerkelijke virus verloop is lokaal en grillig en dus onevenredig verdeeld.
Het effect van de gemiste positieven kan je dus onmogelijk uitdrukken in een getal zolang bijvoorbeeld niet 1 op 4 of meer van alle Nederlanders zonder kwetsbare basis gezondheid in het ziekenhuis belanden.
Je mist ook hier de essentie van het betoog hierboven. [...] Probeer daarbij je voor te stellen wat artsen en laboranten [...] Verplaats je naar de wereld van protocollen.
Protocollen voor annamese, protocollen voor afname van monsters, protocollen voor lab-processen en protocollen voor rapportage en conclusies.
Besef daarbij dat sinds medio jaren 50 protocollen en kwaliteitsborging als management methode een behoorlijke vlucht hebben genomen.
Je hebt het hier van begin tot eind over wat artsen en laboranten in hun praktijkwerk toepassen. Maar wat we aan het bespreken zijn zijn de gegevens over het totaal die RIVM verzamelt en publiceert. Mijn punt was dat verschillende doeleinden tot verschillende visualisaties in grafieken en diagrammen leiden en dat je wat voor de ene toepassing optimaal is niet zomaar op een heel andere toepassing moet loslaten, alsof die niet zijn eigen kenmerken heeft.
Jij maakt hier de fout het te brengen alsof wat voor een laborant de beste keuze is dat ook is voor bijvoorbeeld een landelijke trend zoals RIVM die publiceert.
Nee, je de snapt ook hier de kern nog niet van waar je de plank mis slaat. Van Peren kan je geen appels maken en andersom. Als een appel boer appels wil tellen dan wil hij weten hoeveel appels hij daadwerkelijk heeft. Niet hoeveel afgeleiden (gemiddeldes per dagtelling of iets anders) erbij gehaald kunnen worden.
Voor afgeleiden kan hij geen euro's vangen.
Van de aantallen positieve covid-19 test-uitslagen weet je dus ook dat een marginaal deel qua datum vrij betrouwbaar terug gerekend kan zijn, maar dat dat voor het overgrote deel NIET het geval is.
Dat laatste zowel door de hierboven reeds vermelde karakterstieken van virus verpsreidingen die algemeen van toepassing zijn.
Daarnaast ook nog eens herbevestigd door de getallen op juiste wijze te sorteren, lees niet door elkaar te husselen.
De datum die in de grafieken terugkomen zijn dus ofwel de datum van de test-uitslag en/of datum waarop iemand een ziekenhuis ingaat / verlaat.
Data van daadwerkelijke besmettingen zijn niet exact te bepalen.
De schattingen die ze ernaar gooien zijn mede onderhevig aan priming, zelf-bevestigende uitkomsten en dergelijke.
Zijn dus geen werkelijkheid.
De kleine mate dat ze menen eventueel naast te zitten maken het grote verschil (virussen verspreiden zich on-evenredig!).
Lees echt daarvoor de boeken van Nicolas Nassim Taleb in 't geheel anders door met betrekking tot dempende & vereffenende werking van berekeningen van gemiddeldes, van soorten kansen, (natuurlijke) logaritmes en dergelijke.
Er gaat dan nog misschien een hele wereld voor je open.
Hierbij maak je geen fout, hierbij blijf je juist zuiver bezig en vermijd je enrstige vertekeningen van de werkelijkheid.
Daar zijn zowel omgevingen als Shell en Fugro als de medische wereld voorlopers in geweest.
Niemand heeft dus nergens beweerd dat je bereken wijzen uit iets als petro-chemie blind kunt toepassen in een medische of medisch-lab omgeving. Dat is weer je eigen misverstand of creatieve geest die zaken invult maar niet toetst in de vorm van een vraag.
Je beweerde dat, in protocol-handleidingen voor lab-onderzoek en rapportage, door die partijen erop gewezen zou worden dat foutmarges bij een staafdiagram lager zouden zijn dan bij een doorlopende lijn. Daarmee beweerde je dat wat voor een toepassing in de petrochemie een optimale weergave van cijfers is blind op landelijke coronacijfers van RIVM toegepast kan worden. Ik had het niet over een medisch lab of over rekenwijzen. Over misverstanden en je eigen creatieve geest gesproken...
Maak van peren geen appels, dus ga ook geen gemiddeld aantallen appels berekenen over peren.
Ga ook geen berekeningen erbij halen wanneer ik juist uitleg dat appels geen peren zijn.
Als jij los daarvan in gemiddelde appels wilt geloven, be my guest.
Kijk maar wat je daar wijzer door wordt, maar zoiets als gemiddelde appels is er niet.
Zo ook niet qua positieve uitslagen per uitgevoerde PCR-methode.
Die is voor elk afgenomen bron materiaal uniek / een gegeven.
Houd dat van elkaar gescheiden.
Wat je moet erkennen is dat de inzichten rondom protocollen en kwaliteitsborging teruggaan op zeer fundamentele principes.
Alleen had ik het over wat de beste representatie van uitkomsten in een grafiek of diagram is, en dat de beste keuze daarvoor afhangt van wat je ermee wilt tonen. Ik noemde al als voorbeeld dat dezelfde cijfers voor dagelijkse aantallen besmettingen duidelijker als histogram getoond kunnen worden als je een onderscheid wilt maken tussen wat nu bekend is en wat in de vorige rapportage bekend was (zoals RIVM doet), maar beter als lijndiagram als je cijfers van ettelijke landen in dezelfde grafiek met elkaar wilt vergelijken (zoals bijvoorbeeld Our World in Data doet). Dat staat los van de protocollen en kwaliteitsborging die natuurlijk keihard nodig zijn bij het verzamelen van die gegevens, het gaat over een heel andere stap in het traject van verzamelen, verwerken, combineren en publiceren van de gegevens.
Ook hier geldt weer, we kunnen moeilijk grafieken van gemiddelde appels presenteren als je beseft dat er niet zoiets voorkomt als een gemiddelde appel. Begin dus bij bestudering van wat je in werkelijkheid verzamelt, sorteert en kijk daarna pas of je er wel een grafiek van kan maken die ergens op slaat.
Dat vereist onderkenning dat je dus uit gerapporteerde getallen door die in grafieken te plaatsen niet zomaar allerlei afgeleide statements kan hanteren zonder de waarheid geweld aan te doen.
De mate waarin je dan scheef kan gaan is vervoegelijk wel hierboven terug te lezen.
Als het zo ernstig gesteld is met grafieken dan roept dat vraag op waarom de petrochemie, medische laboratoria en het RIVM ze überhaupt gebruiken.[/quote]Dat is inderdaad een hele belangrijke vraag in geval van covid-19.
Waarom denk je dat er vooraanstaande en zeer reputabele professoren zo enorm veel moeite hebben om hun verhaal over de buehne te krigen?
Echt niet omdat die allemaal koe-koek zijn.
In werkelijkheid is een grafiek is een hulpmiddel om die getallen aanschouwelijk te maken. Het maakt gebruik van het feit dat mensen een heel sterk visueel systeem hebben dat ingezet kan worden om trends en patronen te zien die je als mens niet zomaar in een opsomming van getallen weet te herkennen. Het is een hulpmiddel voor mensen om de data beter te overzien en te begrijpen. Als die inzichten tot "afgeleide statements" leiden zal een goede weergave van de cijfers bij mensen die niet naar een gewenst resultaat toe redeneren helpen om de waarheid juist geen geweld aan te doen.
Da's allemaal prachtig als je dat met representatieve en getoetste getallen probeert te doen.
Maar dat is dus hier niet van toepassing.
En kijk vervolgens helemaal uit met extrapolaties over meer dan 10 dagen van ontwikkelingen die grillige / stochastische verlopen hebben. Dan loopt een mogelijke afwijking ten opzichte van de werkelijkheid keihard zover van je af dat je hele functie-waarde die je aan een lijn zou kunnen toekennen al wiskundig helemaal niet meer opgaat!!
Daarom is die R-waarde voorafgaand aan elke vertakking van een virus verspreiding al snel wiskundig helemaal problematisch.
week 23 - 48.882 - 9.776 gemist (18,0% meer dan % positief meldingen aan Rivm die week)........
Je benadrukt daarmee dat in totaal meer besmettingen gemist kunnen zijn dan er in een bepaalde week plaatsvinden.
Nee, er worden slechts een beperkt aantal positieve uitslagen gemeld.
Onbekend is daarbij via wie dan een besmetting NIEUW heeft plaatsgevonden. Dat is PCR-methode van oorzaak en ook met klem benadrukt door de bedenker van de PCR-methode.
De percentages positief meldingen zijn dus al GEEN aantal gevallen van "besmet".
Dat zijn ook weer appels en peren met elkaar vermengen.
Daarom rapporteert het Rivm ook met nadruk MELDINGEN op een bepaalde datum.
Naar gelang een geval zich op een bepaalde manier ontwikkeld kan je er medisch soms iets meer over rapporteren, maar dat is het dan wel indien je niet die op voorhand niet te vermijden grote mate van vertekenende verhoudingen wilt.
Wil je dat wel, dan ben je dus een vertekend beeld aan het presenteren.
De kans daarop ben je pas voorbij indien je dus 1 op 4 Nederlanders of mogelijk meer allemaal in ziekenhuizen hebt liggen direct door vastgestelde covid-19 sporen.
Besef dat elke gemiste positieve een gemiste vertakking in de verspreiding van de virus-keten is.
Dat besef ik. Ik besef alleen ook iets dat jij kennelijk niet beseft, namelijk dat van alle besmettingen die daaruit voortkomen een deel tot klachten leidt waarvan weer een deel ernstig genoeg om medisch ingrijpen noodzakelijk te maken, en die mensen komen toch weer wél in de tellingen terecht. Omdat de verhoudingen redelijk stabiel zullen zijn, en niet de ene week 100% ernstig ziek wordt en de andere week niemand, zijn die gegevens bruikbaar om het verloop van de epidemie te monitoren, zijn ze geschikt als input voor de schatting van het aantal besmettelijke mensen dat rondloopt, en zijn ze geschikt om beleid op te baseren.
Het is, omdat die groepen toch weer wél in de tellingen belanden, uitdrukkelijk niet zo dat er een groeiende meetfout is die zo groot wordt dat er helemaal geen betrouwbaar beeld meer is. Daar maak je een ernstige beoordelingsfout.
[/quote][/quote]Test op test, dag op dag neemt het effect van de 20% kans van gemiste positieve in elk geval toe. De meetfout is dus inherent groter naarmate er meer getest wordt. Daarmee dus ook de onbetrouwbaarheid van de weergave van grafieken die dan dus puur plaats vind op basis van de onvolledige aantallen positieven.
Dat beseffen is natuurlijk alles behalve fout. Dat is doorhebben dat afwijkingen bij virus verspreidingen nooit volledig evenredig maar altijd onevenredig doorwerken. Waarmee de afwijking die in de werkelijkheid zich onderkend zal kunnen voordoen ten opzichte van de gerapporteerde aantallen positieven zeker na 100 dagen de overhand kan hebben in het totaal.
Het aantal positief getesten blijkt per week al wezenlijk te verschillen.
De variëteit per geteste en per gemiste positieve kan dus van geval tot geval duidelijk verschillen.
Dat betekent dat de percentages positieven aan een onbekende foutmarge onderhavig zijn.
En toch staat op het coronadashboard een grafiek van het geschatte aantal besmettelijke mensen door de tijd heen waarin een betrouwbaarheidsinterval van 95% is weergegeven. Weet je waarom RIVM dat kan opleveren? Omdat hun modelleurs verstand hebben van statistiek, een tak van de wiskunde die ze in staat stelt om die foutmarges wél te bepalen. Je trekt hier door je eigen gebrek aan kennis en inzicht foute conclusies.
Je hebt je duidelijk niet exact ingelezen in wat het Rivm meldt en hoe de materie wel/niet werkt. Meerdere van de moddeleurs waar het Rivm naar verwijst blijken qua statistiek gewoon projecties naast de werkelijkheid te plotten, op basis van aannames die qua medische vakinhoud helemaal niet zomaar vooraf opgaan.
Dan hebben we het, dus nogmaals, enerzijds over plaatjes-makers. Anderzijds hebben we het over de naakte maar zeer waarschijnlijk - op basis van de stellingen van het Rivm zelf - verregaand incomplete aantallen positieven.
Zie bijvoorbeeld de omschrijving van A real-time dashboard of clinical trials for COVID-19.
Dit betreft volgens het Rivm "Inzicht geven in wat voor clinical trials er al uitgevoerd zijn/worden en waar deze plaatsvinden. Dit kan gebruikt worden voor besluitvorming van nieuwe clinical trials ter informatie en onder andere ter voorkoming van dubbel werk.".
Overigens meldt het Rivm hierbij dat een van de kennelijk belangrijkste financiers daarvan de Bill & Melinda Gates Foundation zou zijn.
Bill Gates heeft eigenhandig beweerd op basis van een berekening en grafieken van een Japanse professor die hij qua uitleg 180 graden helemaal verdraaide dan wat de bedenker van de formule (een Japanse professor) had toegelicht.
Terwijl hij dat zichtbaar glunderend op een podium allemaal stond te verdraaien zei hij ter plekke opeens helemaal overtuigd te zijn geraakt om van zijn deel activiteiten met de Foundation volledig een dagtaak te maken en vol voor financiering van de medische wereld besloot te gaan en al z'n toenamlige activiteiten bij Microsoft helemaal te gaan laten.
Microsoft levert mede dankzij Bill Gates mooie platforms waar je grafieken mee kan maken maar van niet-getrouwe weergave van wetenschappelijke berekeningen heeft hij dus 1 van z'n dagtaken voor de Foundation van gemaakt.
........Nicolas Nassim Taleb [...] Black Swan
Je zal mij het belang van dat inzicht niet horen tegenspreken. [/quote] Weet je dan ook hoeveel dat belang het verschil maakt / kan maken?
Maar jij misbruikt het om te doen alsof gemiddelden, standaardafwijkingen etc. geen enkele betekenis meer hebben. Het feit dat we een pandemie hebben en dat de mensheid er op allerlei manieren niet goed op was voorbereid was kan je zien als voorbeeld van een black swan. Dat wil niet zeggen dat de cijfer die RIVM verzamelt niets zeggen over hoe de epidemie in Nederland verloopt.
[/quote] Sinds wanneer is kanttekeningen aan de orde stellen inzichten, waarvan we er in de gauwigheid maar beperkt bij stil staan, een kwestie van schrijvers misbruiken?
Het punt is niet dat de cijfers die het Rivm krijgt aangeleverd niet iets zeggen, maar dat ze bijster weinig zeggen over de werkelijkheid noch over besmettingen. Daar gaat de gebruikte PCR-methode die aan de basis ligt van veel van de gemeldde getallen namelijk NIET over. Zie eerdere handreikingen daarvoor.
De getallen die gaan over ziekenhuis opnames en aantallen mensen die het ziekenhuis levend verlaten zijn trouwens ook interessant. Maar die hang naar hoofdzakelijk varen op aantal meldingen van positieve uitslagen en daar dan appels en peren verwisselingen op toepassen is niet bepaald netjes. In het betreffende boek licht Nicolas Nassim Taleb juist toe waar je je bewust van moet zijn wil je vermijden dat je ergens ver naast zit. Ongeacht of dat nou eenmalig is (een black swan moment) of dat je keer op keer gradueel steeds meer ernaast raakt. Dat maakt niet dat verzamelde informatie van aantallen positief meldingen zonder nauwkeurigere onderkenning van de gemiste aantallen dan opeens buiten beschouwing zouden moeten blijven.
Maar de ideeen over de aantallen besmettingen, her-besmetting en wat men daar nog meer aan toevoegt is geen bron-informatie.
Deze laatste categorie zou ik los zien van de bron informatie en zou ik ook niet gebruiken om conclusies op te basseren.
Vanwege de grote mate van afwijking ten opzichte van de werkelijkheid en het soort consequenties die er in gevallen anno 2020 aan worden gekoppeld.
Ook biedt deze video https://www.youtube.com/watch?v=41fuD7JrBLM ruim stof tot verder nadenken over de consequenties en misvattingen die ontstaan door het sterk hangen aan de PCR uitslagen.
Een wekelijkse podcast van ondernemers over alles en niets van anderhalf uur? Nee, dank je, ik denk dat er andere bronnen te vinden zijn over de betrouwbaarheid van PCR-tests die degelijker zijn én minder tijd kosten.[/quote]Tja, als je je niet in de achtergrond informatie wilt verdiepen dan loop je ook wel mis dat een van de mensen die op TV circuleert om over covid-19 en vaccineren te praten misschien niet echt zuivere koffie is.
Maar verdiep je vooral in datgeen dat je wel interesseert.
Neem bij voorkeur ook zo breed mogelijk palet aan pure - oorspronkelijke en onbewerkte informatie tot je en besef dat samengestelde plaatjes eerder voldoen aan waarschuwingen over statistiek dan als je de pure informatie goed verzameld, sorteert, verslaat en daarna pas je eventuele intrepetaties doet, bij gebrek aan voldoende daarvan kijkt of je die zinnigerwijze kan aanvullen met aannames zonder dat je jezelf of anderen erdoor op een dwaalspoor kan brengen en dan pas conclusies er op los laat.
Rondom die berekende gemiddelde aantallen besmettingen en R-getallen (met quotienten) barst het op voorhand van aannames, projecties en intrepetaties. Die kan je pas aan het eind van een heel proces - als je ze daadwerkelijk ook kunt staven - aandragen wil je je dus met zuiver wetenschappelijke basis bezig houden.
Bedenk ook dat de werkwijze van grafieken en doem-verhalen in lijn is met de basis van grafieken zoals dezelfde belanghebbers omsprongen met ondermeer de Mexicaanse griep in 2009. Die hebben toen schoorvoetend moeten erkennen dat ze er flink naast zaten met hun projecties en voorspellingen.
Wat zegt dit alles je over de mogelijke en de geanticipeerde aantallen van positieve mensen die buiten beeld zijn gebleven?